跳到正文

#xAI

RSS
今日 0 則
11月21日週六
  1. Arena.ai44

    LMSYS Arena 更新了 Arena Alignment Index,調整偵測 AI 助理出錯的方式,希望涵蓋更多情況、判斷更可靠。這份指數會看 AI 助理在真實使用情境中,是否擅自做事、謊稱工作已完成,或把使用者沒說過、沒做過的事算到使用者頭上。新版排名中,OpenAI 包辦前七名;Claude Fable 5.2 首次上榜排第 8,Kimi K3.1 Pro 是進步幅度最大的開放模型,也排在第 9。這提醒我們,模型排名不只看能不能回答問題,也要看它會不會越權或誤報工作狀態。

11月15日週日
  1. Y Combinator60

    AI 助理開始接手工作後,團隊得思考怎麼分配任務、管理許可權,還要確認它們做出的成果是否可信。Lauren Tan 和 Roman Ugarte 所在的核心團隊花了七週,從第一行程式碼做到推出 Grok Bot。它能建立有自己身分和登入方式的 AI 助理,並在背景持續工作;行銷團隊曾讓一個 AI 助理使用自己的廣告預算,Lauren 也曾在一段 Slack 對話中,透過 AI 助理完成一項功能,過程中沒有開啟 Cursor。他們也談到,當 AI 助理能做更多事,團隊的新難題會是判斷該做什麼,以及為什麼要做。

    推薦理由:Lauren Tan 和 Roman Ugarte 分享 AI 助理如何參與日常工作,也談到當程式開發變快後,判斷該做什麼會成為新的難題。

10月24日週六
10月21日週三
  1. Pydantic AI Releases60

    Pydantic AI v2.59.0 發布

    Pydantic AI 正式發布 v2.59.0 版本,修復高風險 HTML 轉換資安漏洞並推出多項新功能與相容性調整。 - 資訊安全:修復 web_fetch 中的高風險 HTML 轉換漏洞(GHSA-4whf-38hw-pxxh),建議立即升級至 v2.59.0 或 v1.107.9。

10月18日週日
10月14日週三
  1. Hacker News (official RSS)40

    Grok Bot 讓我一週管理創業公司

    summary_zh: 我讓 Grok Bot 在一週內以 AI 方式管理我的創業公司。 - 多代理協作:Grok Bot 由支援、工程、安裝等多個代理組成,能自動處理客戶 bug、編寫程式碼、監控 Cloudflare 與伺服器日誌。

10月13日週二
10月10日週六
  1. AWS Machine Learning Blog81

    AWS 9 月推出 Bedrock、AgentCore 與 Strands 新功能

    AWS 於 9 月推出 Bedrock、AgentCore 與 Strands 新功能,擴大模型選擇、提升代理效能與成本效益。 - Bedrock Managed Agents:公開預覽,支援 OpenAI 模型,保持資料在 AWS,提供 IAM 許可權、CloudTrail 審計與人類審批流程。

    推薦理由:AWS 於 9 月推出 Bedrock、AgentCore 與 Strands 新功能,擴大模型選擇、提升代理效能與成本效益,對 AI 應用開發者與企業決策者具參考價值。

10月9日週五
10月3日週六
9月29日週二
  1. AWS Machine Learning Blog62

    Grok 4.7 現已登陸 Amazon Bedrock

    xAI 的 Grok 4.7 現已在 Amazon Bedrock 上線,支援 500K 上下文視窗、四級推理努力程度配置及圖文輸入。該模型可通過 Responses、Chat Completions 和 Converse API 進行呼叫,並提供 US 區域和 Global 跨區域推理配置選項。

9月27日週日
  1. Vercel Blog52

    Ember-1(Fireworks)現已在 AI Gateway 上可用

    Ember-1 是 Fireworks 基於 Kimi K3 開發的研究預覽推理模型,現已在 AI Gateway 上提供。該模型在相同質量評估下比 Kimi K3 生成 token 少約 40%,支援 1M-token 上下文視窗、文本與影像輸入、工具呼叫以及隱式提示快取。

9月21日週一
  1. openrouter blog45

    Descript 兩小時工作縮短一週等待

    summary_zh: Descript 透過 OpenRouter,將測試新模型的流程從一週縮短至兩小時,並可每週多次評估模型。 - 測試流程:使用 Claude Tag Slack integration 於 Slack 上觸發評估,評估時間約 一小時或兩小時,無需工程師手動安排。

9月17日週四
8月14日週五
  1. Cursor Official Blog83

    SpaceX 完成收購 Cursor,將合作打造更強、成本更低的模型

    Cursor 宣佈 SpaceX 已完成收購,這項收購流程始於雙方在 4 月宣佈合作。Cursor 表示,加入 SpaceX 後將能使用對方的 GPU 資源來訓練模型,目標是打造能力更強、執行成本更低的模型,並以較低價格提供給客戶。Cursor 提到,週三推出的 Grok 4.6 已初步展現雙方合作能做出的成果;公司也表示,仍會專注於協助人們少花時間寫程式,把時間用在解決更難的問題上。

    推薦理由:收購完成後,Cursor 表示可使用 SpaceX 的 GPU 資源訓練模型,並希望以較低成本提供更強的模型。

2月11日週三
8月24日週日